في عالم الطب الحديث، تبرز نماذج اللغة الكبيرة (Large Language Models) كأدوات واعدة للمهام الطبية. ولكن، كيف يمكن لهذه الأدوات أن تعكس فعليًا تعقيدات التشخيص السريري الذي يتطلب تفاعلات مستمرة بدلًا من صيغة الأسئلة والأجوبة المباشرة؟ هنا يأتي دور إطار "نظام النقاش المختلط للوكالات" (Debate-Mixture-of-Agents) الذي تم تطويره خصيصًا لتحسين عملية اتخاذ القرار في التشخيصات المعقدة.

تم اختبار DMoA على 297 حالة مرض نادرة و1719 حالة صعبة، مما أظهر تحسنًا ملحوظًا في دقة التشخيص بنسبة 10.21 نقطة مئوية وسلامة النتائج بنسبة 11.36% مقارنة بأساسيات GPT-4. والجدير بالذكر أن هذه التحسينات لم تكن فقط بسبب زيادة عدد النماذج أو طول النتائج، بل تعود أيضًا إلى تأثير طريقة العمل المنظمة التي اعتمدها DMoA.

توضح التحليلات المتعمقة أن تصميم الإطار، واختيار النموذج الأساسي، وميزانية الرموز تلعب دورًا محوريًا في الأداء، حيث أظهر DMoA نتائج أفضل عند استخدام هيكل 4*2 ونماذج أساسية أقوى، وميزانية رموز أكبر.

تشير هذه النتائج إلى إمكانيات DMoA في دعم المهام السريرية وتعزز الحاجة إلى مزيد من الدراسات لاستكشاف فائدة الأنظمة متعددة الوكالات في مجالات أخرى من الطب.